Junior — Middle
Jakie metody można zastosować do równoległego obliczania sumy elementów tablicy za pomocą ForkJoinPool?
sobes.tech AI
Odpowiedź od AI
Aby obliczyć sumę elementów tablicy w sposób równoległy za pomocą ForkJoinPool, można zaimplementować zadanie rekurencyjne, które dzieli tablicę na części i sumuje je równolegle.
Główna idea:
- Jeśli rozmiar podtablicy jest mały, obliczamy sumę bezpośrednio.
- W przeciwnym razie dzielimy podtablicę na dwie części, tworzymy dwa podzadania, uruchamiamy je równolegle i łączymy wyniki.
Przykład w Java z użyciem RecursiveTask<Integer>:
import java.util.concurrent.*;
public class SumTask extends RecursiveTask<Integer> {
private static final int THRESHOLD = 1000;
private int[] array;
private int start, end;
public SumTask(int[] array, int start, int end) {
this.array = array;
this.start = start;
this.end = end;
}
@Override
protected Integer compute() {
int length = end - start;
if (length <= THRESHOLD) {
int sum = 0;
for (int i = start; i < end; i++) {
sum += array[i];
}
return sum;
} else {
int mid = start + length / 2;
SumTask leftTask = new SumTask(array, start, mid);
SumTask rightTask = new SumTask(array, mid, end);
leftTask.fork(); // uruchamia zadanie lewe równolegle
int rightResult = rightTask.compute(); // oblicza zadanie prawe w bieżącym wątku
int leftResult = leftTask.join(); // czeka na wynik zadania lewego
return leftResult + rightResult;
}
}
}
// Użycie:
// ForkJoinPool pool = new ForkJoinPool();
// int[] data = ...;
// int totalSum = pool.invoke(new SumTask(data, 0, data.length));
Takie podejście efektywnie wykorzystuje wielowątkowość do przyspieszenia sumowania dużej tablicy.